齿距视觉测量的齿廓图像边缘失真修正算法

针对机器视觉测量齿距时因齿廓图像边缘失真导致偶然性测量误差的问题,提出了一种基于统计分离测量误差类型的齿廓图像边缘失真修正算法。首先,对基于Bertrand曲面模型检测齿廓亚像素边缘算法进行改进,获取亚像素齿廓边缘偏距信号;然后,采用阈值法识别包含边缘失真信号的齿廓边缘偏距信号段,利用频数分布统计的方法计算齿廓渐开线的初始相位角;最后,实现齿轮齿距测量。试验结果表明,该算法进行齿廓图像边缘失真修正测得的齿距与经过严格清洗处理后不存在齿廓图像边缘失真时测得的齿距十分接近,单个齿距偏差小于0. 75μm。齿距累计偏差测量结果与MM3525型齿轮测量中心的测量结果相近,偏差值为2. 60μm。     

基于单目视觉的平面测量

针对平面上目标的定位及长度测量等问题,提出了一种基于单目视觉测量平面上物体位置的方法,并讨论了标定点的选取原则。在被测目标所在平面上放置平面靶标,在平面靶标上选取标定点,通过最小二乘法求取模型参数,实现单目视觉测量模型的标定。利用标定出的模型参数,根据目标的图像坐标计算出其平面坐标位置,从而实现目标的定位及长度测量。标定点个数至少为4个,并且标定点需满足特定的位置关系。实验中测得目标长度的相对误差小于0.3%,验证了该方法的有效性。     

基于PnP算法的前方车辆测距方法

针对路面起伏导致前方车辆距离测量偏差过大,提出一种基于PnP算法的前方车辆距离测量方法。以前方车辆的车牌作为靶标,采用深度学习算法SSD对车牌进行识别,获得车牌在图像中的位置坐标,根据PnP算法估计车牌的位姿,由相机的映射关系计算出目标车牌与本车的纵向和横向距离。该方法与地面是否起伏无关,仅与前方车辆车牌图像测量相关,通过靶标测试、虚拟场景和实际场景对算法的有效性进行测试,测试过程中表明,目标在5~30 m,车距的相对误差为1.4%,可实现较好的距离探测与预警。     

改进Zernike矩的亚像素圆孔类零件测量方法

为了提高圆孔类零件半径尺寸的测量精度,提出一种改进的Zernike矩亚像素圆孔类零件测量方法。首先对传统Canny算子进行改进,分别在图像输入、去噪、梯度幅值计算和阈值选取方式上进行了优化,实现圆孔中心像素级边缘坐标的粗定位;其次提取待测零件圆孔所在的目标区域边缘像素点,利用在Ghosal算法的基础上提出新的边缘判断条件和采用迭代法计算得到Zernike矩的最佳灰度阶跃阈值来判断并获取亚像素边缘点,且从灰度边缘模型的角度对误差进行了分析;最后利用最小二乘原理实现圆孔中心坐标和半径的高精度检测和测量。仿真结果表明,改进算法的圆心坐标相对误差在0.02 pixels范围内,半径的相对误差精度为0.05 pixels范围内。通过对几个不同零件的实际测量,实验结果表明,改进后的算法和原算法与人工测量值对比,改进后的算法相对误差值更低,得到的实际值更接近人工测量值,测量精度明显高于传统的Zernike矩算法,所达到的测量精度能够满足工业零件生产过程中的精度要求。     

基于MLS检测的一维绝对位移的误差分析与标定

基于最大长度序列（MLS）的原理设计了一种图像靶标,采用单目视觉和激光位移传感器开展了一维绝对位移的检测实验。在较为理想的环境下,系统重复定位检测数据的标准差小于1 μm。针对实际应用环境和系统安装状况,从镜头失焦、照明不均匀、靶标的偏转及镜头倾斜等可能造成检测误差的情况,开展全面实验和分析,探讨了该一维绝对位移检测系统的重复定位,并提出了改进方法。实验结果表明,采用最大长度序列所设计的靶标在镜头失焦情况下,一维位移检测的重复定位测量数据的标准差小于1 μm;通过改进算法使得照明不均匀测量数据的标准差小于1 μm;靶标偏移角度不大于5°的情况下,重复定位测量数据的标准差不超过1 μm;而镜头倾斜角不大于3°的情况下,重复定位测量数据的标准差小于1 μm。最后,采用激光位移传感器对该一维绝对位移检测进行了系统标定,经标定,在以上环境和安装误差条件下,该系统测量数据的均方根误差限制在了2 μm。测试实验和数据分析结果表明,该基于最大长度序列的原理的一维绝对位移检测系统,可实现高精度非接触精密位移检测,且具有系统结构简单、对实施工艺要求低和便于安装调试的优点。     

数字摄像法测量白天能见度算法设计

数字摄像法测量白天大气能见度,常用的方法是双亮度差法,此方法需尽可能保证标准的观测条件,例如两组目标-背景视线方向一致,尽量选择观测反射率低得可以忽略的人工实用黑体目标物等,否则会产生较大的误差。为此设计了一种新的基于数字摄像机的白天能见度算法:拍摄包含合适的目标物和天空背景图像,通过暗原色先验估计透射率,通过调节光圈大小获得散焦图像,把S变换应用到图像处理中,计算视觉距离,可以得出大气消光系数,从而反演出大气能见度值。实验数据表明,该算法在能见度的值在4 000~8 000 m范围内最大误差小于9%,测量结果比双亮度差方法误差减小2.1%~3.4%。     

基于D-H矩阵的柔性坐标测量机多测量模型研究

柔性坐标测量机使用灵活且携带方便等诸多优点,深受业界人士好评,但因其成本昂贵且精度不高而受到限制。在不增加柔性坐标测量机硬件成本的基础上,为了提高测量精度,提出了多测量模型方法。分析了单个测量模型的不足,研究了多测量模型的优越性。为了验证多测量模型的有效性,在实验中选取了标准量,给出了采样策略,进行了标定运算。结果表明,在同一采样区间,只带一个测量模型的柔性坐标测量机的测量误差为0.076 3 mm,而带多测量模型的柔性坐标测量机的测量误差为0.041 6 mm;在不同采样区间,只带一个测量模型的柔性坐标测量机的测量误差为0.128 4 mm,而带多测量模型的柔性坐标测量机的测量误差为0.052 3 mm。显然,多测量模型优于单个测量模型,这对于促进柔性坐标测量机的普及应用具有较大的理论价值和实际应用意义。     

基于稳健加权总体最小二乘的变压器局部放电定位

到达时间差、声速与传感器位置坐标的测量误差将导致局部放电时差定位出现误差,通过研究发现变压器的内部结构及各部分的材质差异可能造成到达时间差以及声速的测量值可能远远偏离真实值,这种测量误差被称作粗差,但目前的局部放电定位算法未将数据测量误差纳入模型,使得现有定位算法在计及测量误差特别是粗差的情况下,定位误差较大难以满足工程要求。为此,分析了局部放电测量数据粗差的来源及现有定位算法的缺陷,提出了基于稳健加权总体最小二乘的局部放电定位算法,采用含误差变量模型推导迭代公式,运用权函数修改含粗差数据在迭代过程中的权重,能够有效抑制测量数据的随机误差、系统误差和粗差对定位结果的影响,能更为准确地定位局部放电,有助于制定针对性的检修策略,提高检修效率,缩短停电时间。     

一种抗噪的高精度圆形阵列靶标特征提取算法

实验发现目前普遍采用的棋盘格靶标角点提取算法对噪声十分敏感,其特征提取耗时及检测误差随着噪声均值增加而明显增大,无法满足高噪环境下的使用需求。本文使用圆点阵列取代棋盘格作为图像靶标,并设计了一种具有良好抗噪性的圆点阵列靶标的特征提取算法。该算法首先采用多级阈值对靶标图像进行二值化,然后对二值化图像序列进行连通域检测,通过矩方法对每一个连通域的形态进行分析计算,排除误检点,采用最小外接圆法优化已检圆的特征位置,最后根据靶标的尺寸信息,从所有已检圆点中,搜寻出靶标的所有特征圆。实验结果表明该算法在同等高斯噪声下特征提取误差较棋盘格小一个数量级,且常用的滤波算法在不会明显影响其特征提取精度的前提下能有效提高检测速度。     

基于双目视觉的拖车钩检测与定位方法研究

在某些危险环境下需要拖车实施救援时,救援人员难以靠近,救援人员可以通过遥控操作拖车杠来完成拖车钩的挂装。针对被救援车辆拖车钩的检测与定位问题,提出了一种拖车钩检测与定位方法ECSA-YOLOv5,首先改进YOLOv5算法,设计了高效注意力模块ECSA,将其替换掉空间金字塔池化模块上一层的模块,并增加一个大小为160×160的小目标检测层,能够更准确的获得拖车钩在图像中的像素坐标;通过在SGBM立体匹配算法预处理阶段加入引导滤波、后处理阶段引入加权最小二乘法WLS滤波与异常值处理,从而获得更优化的视差图,得到更为准确的目标深度信息,提高拖车钩位置信息计算的精确度。基于Jetson Agx Xavier开发板进行了实验验证,实验结果表明,ECSA-YOLOv5模型较YOLOv5s模型AP值提升了5.8%,达到了99.0%,平均实时检测帧率为14 fps,定位测距在3 m内时,误差在3.5%以下,能够满足拖车钩的检测与定位的准确性和实时性的要求。     

单轴转台上 2D 激光雷达的位姿估计

针对单轴转台搭载2D激光雷达进行场景扫描的系统中的激光雷达动态位姿估计问题,提出一种利用V形棋盘格标定板进行位姿估计的方法。通过相机拍摄标定板上的两条光条直线的图像,提取光条直线特征,计算光平面及两条光条在相机坐标系下的方程;再结合雷达提供的扫描数据,计算出雷达坐标系与相机坐标系的变换关系;通过控制转台做3次以上的旋转运动,解算出转台轴在相机坐标系下的直线方程,拟合出雷达光心、雷达坐标系的坐标轴关于转台旋转角度的函数关系。位姿估计实验中计算得到的雷达光心位置与样本的平均误差在1.2 mm以内,计算得到的雷达坐标轴方向与样本的平均误差在0.7°以内;目标测量实验中通过单轴转台搭载2D激光雷达对目标尺寸测量的平均误差在3 mm以内。实验结果表明该方法具有较好的准确性。     

融合非对称卷积的遥感图像目标检测算法

遥感图像中的目标具有背景复杂、方向多变等特点。利用传统方法进行遥感图像目标检测过程复杂且费时，存在精度低，漏检率高等问题。针对以上问题，提出一种改进的YOLOv5-AC算法，该算法以YOLOv5s模型为基础，首先在原有的Backbone中构建非对称卷积结构，增强模型对翻转和旋转目标的鲁棒性；其次在主干网络的C3模块中引入坐标注意力机制提升特征提取能力，并使用Acon自适应激活函数激活；最后使用CIOU作为定位损失函数以提升模型定位精度。改进后的YOLOv5-AC模型在NWPU VHR-10和RSOD数据集上进行实验，平均精确度均值分别达到了94.0%和94.5%，分别比原版YOLOv5s提升了1.8%和2.3%，有效提高了遥感图像目标检测精确度。     

融合相机与激光雷达的目标检测与尺寸测量

针对三维场景下的目标检测与尺寸测量任务,设计了一种融合激光雷达和相机传感器的三维目标检测和尺寸测量算 法。 使用基于卷积神经网络的二维目标检测器提取目标的二维检测框,结合图像中的二维检测框和几何投影关系获取包含物 体的三维视锥点云,由欧氏聚类方法获得物体的聚类点云,实现了物体的三维目标检测。 提出了基于目标二维检测框的改进尺 寸测量方案以替代原有点云聚类后得到的三维框信息,提高了物体尺寸测量的精度。 在现有数据集上评估测试了目标检测与 尺寸测量的精度,实验结果表明,二维目标检测器 YOLOv7 在检测数据集上的平均检测精度达到了 81%,改进尺寸测量方案在 物体尺寸测量时的测量误差在 5%以内,对于较远物体或较小物体的目标检测和尺寸测量也具有很好的效果。     

基于AD-Census代价及目标检测的吊车防碰线技术

针对大型吊车在高压输电线路下施工易发生碰线事故的问题,提出一种基于目标检测和双目测距的方法来对风险进行管控。所提方法首先使用YOLOv4算法对输电线进行检测,然后考虑到双目相机处于不同拍摄角度会导致图像存在亮度差异的情况,提出了基于AD-Census代价的SGBM（Semi-Global Block Matching）双目测距算法对输电线进行测距。最后通过实验验证了所提方法的有效性。结果表明：该方法在检测输电线时平均置信度能够达到81.67%,在5~8米以内测量误差能够控制在0.4米以内,平均检测测距用时50ms。相比原始双目测距算法,改进算法的测量精度有一定提升。所提方法能够准确测量吊臂与输电线间的距离,对防止吊车碰线具有一定意义。     

基于DCGAN和改进YOLOv5s的钢丝帘布缺陷检测方法

为解决钢丝帘布表面缺陷检测准确率低且泛化能力不强的问题,提出了一种基于DCGAN和改进YOLOv5s的缺陷检测方法。首先,通过调整DCGAN网络参数并优化超参数,使生成器能够生成具有丰富特征和清晰纹理的钢丝帘布缺陷图像,从而扩充数据集;其次,采用K-means++算法对钢丝帘布缺陷数据重新聚类锚框,以获得更优的锚框参数,实现锚框与实际缺陷的精确匹配;然后,在YOLOv5s主干网络中的C3模块添加坐标注意力机制,以增强模型的特征提取能力和精确定位能力;最后,引入MPDIoU损失函数替换YOLOv5s原损失函数,进一步提高检测精度。实验结果表明,在实测钢丝帘布缺陷数据集上,采用DCGAN数据增强和改进后的YOLOv5s检测模型,缺陷检测平均精度提高了6.6%,达到了89.4%,并且检测准确率和召回率也有所提高。与其他主流检测模型相比,该模型不仅在检测速度上提高了约30%,还保持较高的检测精度。在公开的NEU-DET数据集上,该模型的mAP值达到了82.6%,较原始YOLOv5s模型提高了3.8%。     

基于数字图像处理的柔性水翼形变测量

针对振荡水翼式潮流能发电装置中柔性水翼的形变测量问题,设计了一套基于高速相机的非接触式测量系统,可在不影响水翼水动力学特性的前提下,连续采集水翼运动过程中的图像并计算水翼形变。建立了图像坐标系和水翼世界坐标系的坐标转换模型,给出了相关参数的标定方法和形变的计算公式。提出了一种基于Canny算子的水翼迎流面边缘检测方法,给出了边界的多项式拟合算式,从而可计算出水翼迎流面边缘上任一点的形变。设置了不同实验条件进行了验证,识别出的水翼总长度误差在2%以内,形变量符合实际规律。实验结果表明该方法能够有效测量水翼迎流面边缘上任一点的形变,且具有现场布置简单、不影响水动力学特性的优点。     

融合单目深度和RTK定位的电力线弧垂测量方法

现有电力线路弧垂测量方法操作繁琐且智能化程度低,提出一种融合单目深度和RTK定位的电力线弧垂测量方法。首先,无人机拍摄电力线路关键点图像,将其输入构建的单目深度估计模型EleDep-Net生成对应深度图,该模型嵌入带状金字塔模块和边界融合注意力模块,使模型能精准地捕捉导线上下文语义信息;其次,引入深度矫正算法进一步修正深度图中的深度值,根据修正后的深度值得到关键点深度信息;最后,结合无人机RTK定位和关键点深度信息,在参考坐标系中生成关键点空间坐标进而拟合出导线抛物线公式,通过该公式计算出导线弧垂。在配网线路真实环境中进行测试,结果表明本方法在保证测量相对误差小于5%的前提下,作业效率明显提高,有较高的工程应用价值。     

基于关键点的遥感图像旋转目标检测

高分辨率的遥感图像与普通图像相比,遥感图像目标具有方向多样性和尺度变化较大等特点。针对遥感图像目标检测问题,提出一种R-CenterNet遥感图像目标检测算法。首先,对CenterNet网络重新设计,在网络结构中加入旋转因子为检测框提供角度信息;其次,增加网络深度,提高网络检测性能;最后,为聚合不同区域的信息,进一步提取目标的多尺度信息,提出一种将目标特征注意力信息与多尺度池化信息相融合的注意力金字塔池化模块。实验结果表明R-CenterNet的检测结果比原始CenterNet提升了8%的平均精度值(mAP),具有更好的检测效果。     

基于线激光扫描的零件三维表面检测系统研究

零件表面缺陷是造成零件生产损失的主要原因之一,现如今的表面缺陷检测大多集中于平面的表面缺陷检测,为了能更好地表达物体的三维表面信息以及针对其三维信息进行缺陷检测,提出了一种基于线激光扫描的零件三维表面检测系统.首先对相机进行标定,可用于对相机采集到的图像进行矫正,同时得到相机的内外参数,用于后续图像处理的坐标转换.然后...     

基于单目视觉的电梯曳引轮磨损检测系统研制

为了实现对电梯曳引轮绳槽磨损的非接触式精确测量,研制了基于单目视觉技术的曳引轮绳槽磨损检测系统。 通过专 用的卡具将工业相机固定在钢丝绳内侧,对准各绳槽采集图像。 利用 OpenCV 进行图像预处理和绳槽边缘检测,采用最小二乘 法进行绳槽边缘数值拟合,再根据物理模型结构对计算值给予遮挡补偿,实现钢丝绳触底距离实时精确测量。 实验结果表明, 系统测量均方根误差小于 0. 07 mm,较传统的塞尺测量拥有高精度和简易性,能够准确测量绳槽磨损下沉量。